查看“WikiEdge:ArXiv速递/2025-05-08”的源代码

== 摘要 ==
* '''原文标题'''：Predictive Control of EV Overnight Charging with Multi-Session Flexibility
* '''中文标题'''：电动汽车多时段灵活性的夜间充电预测控制
* '''发布日期'''：2025-05-08 09:35:27+00:00
* '''作者'''：Felix Wieberneit, Emanuele Crisostomi, Anthony Quinn, Robert Shorten
* '''分类'''：eess.SY, cs.SY
*'''原文链接'''：http://arxiv.org/abs/2505.05087v1
'''中文摘要'''：摘要：大多数[[电动汽车]](EV)在夜间进行家用[[充电]]，此时[[电力分配]]的具体时间对用户并不重要，因而成为[[充电控制算法]]可利用的[[灵活性资源]]。本文放宽了"[[电动汽车]]每日早晨需充满电"这一常见假设，允许将剩余电量推迟至后续夜间[[充电]]，从而增强[[受控充电]]性能。我们特别研究了一种简易家用[[智能插座]]，采用[[模型预测控制]](MPC)技术，以最小化多会话[[预测周期]](最长提前七天)内的[[二氧化碳排放]]为目标进行[[电力调度]]。基于[[英国国家电网]]的[[碳强度]]数据，研究表明：相比[[无序充电]]，多会话[[规划]]可实现40%至46%的减排；相比单会话[[规划]]，可额外实现19%至26%的减排。此外，我们评估了用户[[驾驶]]与[[充电行为]]对[[灵活性]]的影响及其[[减排潜力]]。最后，通过分析[[英国]]14个区域的[[电网]][[碳强度]]数据，发现不同地区因[[能源结构]]差异导致的绝对[[减排量]]存在显著变化。

== 摘要 ==
* '''原文标题'''：Model Selection for Unit-root Time Series with Many Predictors
* '''中文标题'''：多预测变量单位根时间序列的模型选择
* '''发布日期'''：2025-05-08 01:45:15+00:00
* '''作者'''：Shuo-Chieh Huang, Ching-Kang Ing, Ruey S. Tsay
* '''分类'''：stat.ME, math.ST, stat.TH
*'''原文链接'''：http://arxiv.org/abs/2505.04884v1
'''中文摘要'''：本文研究一般[[单位根]]时间序列的[[模型选择]]问题，包括含有多外生[[预测变量]]的情形。我们提出[[FHTD算法]]——一种融合[[前向逐步回归]]([[FSR]])、[[高维信息准则]]([[HDIC]])、基于[[HDIC]]的[[后向消除]]方法及[[数据驱动阈值]]([[DDT]])技术的新型[[模型选择算法]]。在允许时间序列[[单位圆]]上[[特征根]]位置与[[重数]]未知、[[预测变量]]与[[误差项]]存在[[条件异方差]]等温和假设下，我们证明了[[FSR]]的[[确定筛选]]性质和[[FHTD]]的[[选择一致性]]。分析的核心在于两项关键技术贡献：[[多元线性过程]]的新型[[泛函中心极限定理]]，以及[[样本协方差矩阵]]最小[[特征值]]的[[均匀下界估计]]，二者均具有独立的[[理论价值]]。[[仿真实验]]验证了理论性质，并显示[[FHTD]]在[[模型选择]]中的优越性能。最后，我们通过建模[[美国]]月度[[新屋开工]]和[[失业数据]]展示了[[FHTD]]的实际应用。

== 摘要 ==
* '''原文标题'''：Predictive Control of EV Overnight Charging with Multi-Session Flexibility
* '''中文标题'''：电动汽车多时段灵活性的夜间充电预测控制
* '''发布日期'''：2025-05-08 09:35:27+00:00
* '''作者'''：Felix Wieberneit, Emanuele Crisostomi, Anthony Quinn, Robert Shorten
* '''分类'''：eess.SY, cs.SY
*'''原文链接'''：http://arxiv.org/abs/2505.05087v1
'''中文摘要'''：摘要：大多数[[电动汽车]](EV)在夜间进行家用充电，此时[[电力分配]]的具体时间对用户并不重要，因此成为[[充电控制算法]]可利用的[[灵活性资源]]。本文放宽了"[[电动汽车]]每天早晨需充满电"这一常见假设，允许将剩余能量的充电推迟至后续夜晚，从而为[[受控充电]]提供额外灵活性以提升性能。我们特别考虑一种简易家用[[智能插座]]，采用[[模型预测控制]](MPC)技术，以最小化多会话[[预测周期]](最长提前七天)内的[[二氧化碳排放]]为目标进行[[电力调度]]。基于[[英国国家电网]]的[[碳强度]]数据，研究表明：相比[[无序充电]]，多会话规划可实现40%至46%的减排；相比[[单会话规划]]，可额外实现19%至26%的减排。此外，我们评估了[[EV用户]]的驾驶和充电行为如何影响可用灵活性及相应减排潜力。最后，通过分析英国14个不同区域的[[电网]][[碳强度]]数据，发现基于当地[[能源结构]]的绝对减排量存在显著差异。

== 摘要 ==
* '''原文标题'''：A comparative analysis of GNSS-inferred precipitable water vapour at the potential sites for the Africa Millimetre Telescope
* '''中文标题'''：非洲毫米波望远镜候选站点GNSS反演可降水汽的对比分析
* '''发布日期'''：2025-05-08 14:59:40+00:00
* '''作者'''：Lott Frans, Michael Backes, Heino Falcke, Tiziana Venturi
* '''分类'''：astro-ph.IM, physics.data-an
*'''原文链接'''：http://arxiv.org/abs/2505.05310v1
'''中文摘要'''：[[事件视界望远镜]](EHT)是一个全球[[天线网络]]，目前用于以230 [[GHz]]频率对[[超大质量黑洞]](SMBHs)进行[[成像]]。自[[EHT合作组]]于2019年发布[[M87$^\ast$]]图像及2022年发布[[Sgr A$^\ast$]]图像以来，研究重点已转向[[动态成像]]SMBHs。这促使人们寻找扩展和填补EHT网络空白的潜在站点。[[Gamsberg山]]和[[H.E.S.S.站点]]均位于[[霍马斯高地]]，被确定为[[非洲毫米波望远镜]](AMT)的候选站址。在[[毫米波]]至[[亚毫米波]]观测中，[[大气]]中的[[可降水量]](PWV)是造成[[大气不透明度]]和[[发射噪声]]的主要因素。本研究利用[[全球导航卫星系统]](GNSS)反演的PWV数据，旨在确定AMT候选站点在86、230和345 GHz频段的[[大气透射率]]及PWV含量。结果表明两个站点均具备86和230 GHz观测潜力，其中Gamsberg山冬季可进行345 GHz观测。H.E.S.S.站点和Gamsberg山的PWV中值分别为14.27 mm和9.25 mm，EHT观测窗口的PWV中值则分别为16.62 mm和11.20 mm。综合比较，Gamsberg山具有更优的PWV条件，是最适合建设AMT的站址。

== 摘要 ==
* '''原文标题'''：Multigrid methods for the ghost finite element approximation of elliptic problems
* '''中文标题'''：椭圆问题幽灵有限元近似的多重网格方法
* '''发布日期'''：2025-05-08 10:07:38+00:00
* '''作者'''：Hridya Dilip, Armando Coco
* '''分类'''：math.NA, cs.NA, 65N55, G.1.8
*'''原文链接'''：http://arxiv.org/abs/2505.05105v1
'''中文摘要'''：我们提出了一种用于求解任意域上[[椭圆型偏微分方程]]的[[多重网格方法]]，该方法采用[[节点虚有限元法]]——一种通过[[水平集函数]]隐式定义域的非拟合边界方法。该技术具有[[二阶精度]]，在[[计算效率]]上显著优于[[直接求解器]]和基于[[有限差分]]的[[多重网格方法]]。[[虚有限元]]框架的核心优势在于其[[变分形式]]，能自然实现一致的[[转移算子]]并避免[[网格层级]]间的[[残差分裂]]。我们详细构建了[[一维]]和[[二维空间]]中的[[多重网格]]组件，包括[[平滑算子]]、[[转移算子]]和[[粗网格算子]]。[[稳定化参数]]的选择对保证[[多重网格方法]]的[[适定性]]和[[最优收敛性]]至关重要，我们基于[[切割单元]]的[[几何特性]]推导了该参数的显式[[代数表达式]]。在[[二维]]情形中，我们通过仅在[[切割单元]]上执行额外[[平滑操作]]进一步提升效率，在不影响[[收敛性]]的前提下降低[[计算成本]]。[[数值实验]]验证了该方法在多种[[几何形态]]下的有效性，并证实了其[[鲁棒性]]和[[可扩展性]]。

== 摘要 ==
* '''原文标题'''：Predictive Control of EV Overnight Charging with Multi-Session Flexibility
* '''中文标题'''：电动汽车多时段灵活夜间充电的预测控制
* '''发布日期'''：2025-05-08 09:35:27+00:00
* '''作者'''：Felix Wieberneit, Emanuele Crisostomi, Anthony Quinn, Robert Shorten
* '''分类'''：eess.SY, cs.SY
*'''原文链接'''：http://arxiv.org/abs/2505.05087v1
'''中文摘要'''：大多数[[电动汽车]]（EV）在夜间进行家庭[[充电]]，此时[[电力分配]]的具体时间对用户并不重要，因此成为[[充电控制算法]]可利用的灵活性来源。本文放宽了"[[电动汽车]]每天早晨需充满电"这一常见假设，允许将剩余能量的充电推迟至后续夜晚，从而增强受控充电的性能。我们特别考虑一种简单的家用[[智能插座]]，其调度[[电力输送]]的目标是通过[[模型预测控制]]（MPC），在多个会话（最长提前七天）的预测范围内最小化[[CO₂排放]]。基于[[英国国家电网]]的[[碳强度]]数据，我们证明：相比无序充电，多会话规划可实现40%至46%的减排；相比单会话规划，可提升19%至26%的减排潜力。此外，我们评估了[[EV用户]]的驾驶和充电行为如何影响可用灵活性及相应的减排潜力。最后，通过分析英国14个区域的[[电网]]碳强度数据，我们发现基于当地[[能源结构]]的绝对减排量存在显著差异。

== 摘要 ==
* '''原文标题'''：Multigrid methods for the ghost finite element approximation of elliptic problems
* '''中文标题'''：椭圆问题幽灵有限元近似的多重网格方法
* '''发布日期'''：2025-05-08 10:07:38+00:00
* '''作者'''：Hridya Dilip, Armando Coco
* '''分类'''：math.NA, cs.NA, 65N55, G.1.8
*'''原文链接'''：http://arxiv.org/abs/2505.05105v1
'''中文摘要'''：我们提出了一种用于求解任意域上[[椭圆型偏微分方程]]的[[多重网格方法]]，该方法采用[[节点虚有限元法]]——一种通过[[水平集函数]]隐式定义域的非拟合边界方法。该技术具有[[二阶精度]]，在计算效率上显著优于[[直接求解器]]和基于[[有限差分]]的多重网格方法。[[虚有限元]]框架的核心优势在于其[[变分形式]]，这种形式天然支持一致的[[转移算子]]，并能避免[[网格层级]]间的[[残差分裂]]。我们详细构建了[[一维]]和[[二维]]空间中的多重网格组件，包括[[平滑算子]]、转移算子及[[粗网格算子]]。[[稳定化参数]]的选择对保证多重网格方法的[[适定性]]和[[最优收敛性]]至关重要，我们基于[[切割单元]]的[[几何特征]]推导了该参数的显式[[代数表达式]]。在二维情形中，我们通过专门对切割单元执行额外[[平滑操作]]来进一步提升效率，在不影响[[收敛性]]的前提下降低[[计算成本]]。[[数值实验]]在一系列[[几何构型]]上验证了所提方法，并证实了其[[鲁棒性]]和[[可扩展性]]。

== 摘要 ==
* '''原文标题'''：Multigrid methods for the ghost finite element approximation of elliptic problems
* '''中文标题'''：椭圆问题幽灵有限元近似的多重网格方法
* '''发布日期'''：2025-05-08 10:07:38+00:00
* '''作者'''：Hridya Dilip, Armando Coco
* '''分类'''：math.NA, cs.NA, 65N55, G.1.8
*'''原文链接'''：http://arxiv.org/abs/2505.05105v1
'''中文摘要'''：我们提出了一种用于求解任意域上[[椭圆型偏微分方程]]的[[多重网格方法]]，该方法采用[[节点虚有限元法]]——一种通过[[水平集函数]]隐式定义域的非拟合边界方法。该技术具有二阶精度，相比[[直接求解器]]和基于[[有限差分]]的多重网格方法具有显著计算优势。[[虚有限元]]框架的核心优势在于其[[变分形式]]，能自然实现一致的[[转移算子]]并避免网格层级间的[[残差分裂]]。我们详细构建了[[一维]]和[[二维]]空间中的多重网格组件，包括[[平滑算子]]、转移算子和[[粗网格算子]]。[[稳定化参数]]的选择对保证多重网格方法的[[适定性]]和[[最优收敛]]至关重要，我们基于[[切割单元]]的几何特征推导了该参数的显式[[代数表达式]]。在二维情形中，我们通过仅在切割单元上执行额外平滑操作进一步提升效率，在不影响[[收敛性]]的前提下降低[[计算成本]]。[[数值实验]]验证了该方法在多种[[几何形态]]下的有效性，并证实了其[[鲁棒性]]和[[可扩展性]]。